面向实时网约车车辆调度与定价决策的模型预测控制器学习
人工智能
2021-11-08 v1
摘要
大规模网约车系统通常将个体请求层面的实时路由与用于动态定价和车辆调度的宏观模型预测控制（MPC）优化相结合。MPC依赖于需求预测，并在较长时域上进行优化，以弥补路由优化的短视性。然而，较长的时域增加了计算复杂度，并迫使MPC在较粗的时空粒度上运行，降低了其决策质量。本文通过学习MPC优化来解决这些计算挑战。所得的机器学习模型随后作为优化代理并预测其最优解。由于优化可以离线求解和学习，这使得在更高时空保真度下使用MPC成为可能。实验结果表明，所提方法在来自纽约市数据集的挑战性实例上改善了服务质量。
引用
@article{arxiv.2111.03204,
title = {Learning Model Predictive Controllers for Real-Time Ride-Hailing Vehicle Relocation and Pricing Decisions},
author = {Enpeng Yuan and Pascal Van Hentenryck},
journal= {arXiv preprint arXiv:2111.03204},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2105.13461